python 求和 精度问题_滚动求和结果奇怪或不准确（浮点精度）

我想我能猜出发生了什么：In [481]: df=pd.DataFrame( { 'x':[0,0,.1,.2,0,0] } )

In [482]: df2 = pd.rolling_sum(df,window=2)

In [483]: df2

Out[483]:

x

0 NaN

1 0.000000e+00

2 1.000000e-01

3 3.000000e-01

4 2.000000e-01

5 2.775558e-17

看起来还可以，除了最后一个，对吧？事实上，四舍五入已经掩盖了一些其他条目并不像第一眼看上去那么干净。只是默认的显示格式会掩盖这一点，除非你有一个非常接近于零的值。在

^{pr2}$

这里发生的是，滚动总和并不是每次都做一个新的和。相反，它将通过添加最新的数字和删除最旧的数字来更新总和。在这个带有window=2的小例子中，这是没有用的，但是如果窗口大得多，则可以大大加快计算速度，因此这样做是有意义的。在

然而，这意味着会出现一些意想不到的结果。您期望最后一个滚动和是0+0的结果，但实际上不是这样的：In [492]: (.0+.0)+(.1-.0)+(.2-.0)+(.0-.1)+(.0-.2)

Out[492]: 2.7755575615628914e-17

底线：你的结果基本上是好的。只是碰巧你(用这些数据)做的方式揭示了这些事情中固有的潜在精度问题。这种情况经常发生，但默认显示通常会隐藏这些发生在小数点后13位的事情。在

编辑补充：根据Korem的评论，小的负数实际上是一个问题。我认为在这种情况下，最好使用numpy的around函数，并将上面的第二步替换为：df2 = np.around(pd.rolling_sum(df,window=2),decimals=5)

这将迫使所有小数字(正或负)归零。我认为这是一个非常安全的通用解决方案。如果所有的数据都有整数值，你可以将其转换为整数，但显然这不是一个非常通用的解决方案。在